WorldDraft 基准：代码搭世界、视频模型只做渲染可行吗
Zhiyu Hou · hf · 2026-11-13
多机构研究者提出 WorldDraft 基准，探讨「代码构建 4D 世界、视频模型仅作生成式渲染器」的新分工范式。可靠的生成式渲染需要同时满足世界保持（保留设定的 4D 运动学与相机路径）和视觉实现（文本属性随时间持续绑定）。
- 基准含 432 个严格配对测试用例、48 个可执行 4D 世界族、6 类动态挑战，以 3×3 因子设计正交交叉「草稿粒度」与「外观一致性」。
- 对 12 个代表模型评测发现：世界保持与视觉实现存在剧烈张力；更丰富的草稿脚手架稳住了结构却反而损害外观保真；源线索冲突时源泄漏最高达 64%，暴露脆弱的跨模态解耦。
- 提出即插即用的视觉提示策略 WorldDraft-Primer，在冻结视频渲染器上同时改善两项指标。
「多模态」频道最新
- Minimax Image 质量超预期，团队坚持开源路线获社区好评 — Druck_Triver · 2026-11-13
- KREA2 对比 Z-Image、Moss、Qwen 2.1：本地生图该选谁 — tj-tj-tj-tj · 2026-11-13
- ShowTake 发布：让编码 Agent 自己给 App 拍演示视频 — Scobleizer · 2026-11-13
- LoRA 画风训练求助：训练集白底太多，带背景出图就串色 — sonsuka · 2026-11-13
- DAWN 和谐化模型适配 Gaussian Splatting：街拍级换布光保持人脸逐帧一致 — Scobleizer · 2026-11-13
- BirdDreams 驾驶世界模型:单图联生成视角+鸟瞰视频,车流可响应自车动作 — lealtaixe · 2026-11-13